数据科学实战手册 R+PythonPDF|Epub|txt|kindle电子书版本下载

数据科学实战手册 R+PythonPDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 准备你的数据科学环境1

简介1

理解数据科学管道3

处理流程3

工作原理3

在Windows、Mac OS X、Linux上安装R5

准备工作5

处理流程5

工作原理7

参考资料7

在R和RStudio中安装扩展包7

准备工作8

处理流程8

工作原理9

更多内容10

参考资料10

在Linux和Mac OS X上安装Python10

准备工作11

处理流程11

工作原理11

更多内容11

参考资料12

在Windows上安装Python12

处理流程13

工作原理13

参考资料14

在Mac OS X和Linux上安装Python数据分析库14

准备工作14

处理流程14

工作原理15

更多内容16

参考资料16

安装更多Python包17

准备工作17

处理流程17

工作原理18

更多内容18

参考资料18

安装和使用virtualenv19

准备工作19

处理流程19

工作原理21

更多内容21

参考资料22

第2章 汽车数据的可视化分析（R）23

简介23

获取汽车燃料效率数据24

准备工作24

处理流程25

工作原理25

为了你的第一个项目准备好R26

准备工作26

处理流程26

工作原理26

参考资料26

将汽车燃料效率数据导入R27

准备工作27

处理流程27

工作原理28

更多内容29

参考资料30

探索和描述燃料效率数据30

准备工作30

处理流程30

工作原理32

更多内容33

进一步分析汽车燃料效率数据34

准备工作34

处理流程34

工作原理43

参考资料44

研究汽车的产量以及车型44

准备工作44

处理流程44

工作原理46

更多内容47

参考资料47

第3章 模拟美式橄榄球比赛数据（R）48

简介48

准备工作49

获取和清洗美式橄榄球比赛数据49

准备工作50

处理流程50

工作原理53

参考资料53

分析和理解美式橄榄球比赛数据53

准备工作53

处理流程53

工作原理61

更多内容61

参考资料62

构建度量攻防能力的指标62

准备工作62

处理流程62

工作原理64

参考资料65

模拟单场由程序决定胜负的比赛65

准备工作65

处理流程65

工作原理68

模拟多场由计算决定胜负的比赛68

准备工作68

处理流程69

工作原理73

更多内容74

第4章 建模分析股票市场数据（R）75

简介75

准备工作76

获取股票市场数据76

处理流程77

描述数据78

准备工作79

工作原理80

更多内容81

清洗和研究数据82

准备工作82

处理流程82

工作原理87

参考资料87

形成相对估值法87

准备工作87

处理流程88

工作原理91

分析历史价格筛选股票92

准备工作92

处理流程92

工作原理98

第5章 就业数据的可视化探索（R）99

简介99

分析前的准备100

准备工作101

处理流程101

工作原理102

参考资料102

将就业数据导入R103

准备工作103

处理流程103

工作原理104

更多内容104

参考资料105

就业数据探究105

准备条件105

处理流程105

工作原理107

参考资料107

获取和合并添加附加信息107

准备工作107

处理流程108

工作原理109

添加地理信息110

准备工作110

处理流程110

工作原理113

参考资料114

获取州和县级水平的薪资和就业信息114

准备工作114

处理流程114

工作原理116

参考资料117

可视化薪资的地理分布特性117

准备工作118

处理流程118

工作原理120

参考资料121

探究各行业工作的地理分布情况121

处理流程122

工作原理123

更多内容124

参考资料124

绘制地理空间的时间序列地图124

准备工作124

处理流程125

工作原理128

更多内容128

函数性能测试和比较128

准备工作129

处理流程129

工作原理131

更多内容132

参考资料132

第6章 运用税务数据进行应用导向的数据分析（Pyhon）133

简介133

应用导向方法简介134

准备高收入数据集的分析135

准备工作135

处理流程135

工作原理136

导入并熟悉世界各国高收入数据集136

准备工作137

处理流程137

工作原理143

更多内容144

参考资料144

分析并可视化美国的高收入数据集144

准备工作144

处理流程145

工作原理151

进一步分析美国的高收入阶层152

准备工作152

处理流程152

工作原理156

用Jinja2汇报结果157

准备工作157

处理流程157

工作原理162

更多内容162

参考资料163

第7章 运用汽车数据进行可视化分析（Python）164

简介164

IPython入门165

准备工作165

处理流程165

工作原理167

参考资料167

熟悉IPython Notebook167

准备工作168

处理流程168

工作原理170

更多内容170

参考资料171

准备分析汽车油耗171

准备工作171

处理流程171

工作原理173

更多内容173

参考资料174

用Python熟悉并描述汽车油耗数据174

准备工作174

处理流程174

工作原理177

更多内容177

参考资料177

用Python分析汽车油耗随时间变化趋势177

准备工作177

处理流程178

工作原理183

更多内容184

参考资料185

用Python调查汽车的制造商和型号185

准备工作185

处理流程185

工作原理189

参考资料189

第8章 社交网络分析（Python）190

简介190

理解图和网络191

准备用Python进行社交网络的分析工作192

准备工作192

处理流程193

工作原理193

更多内容193

导入网络194

准备工作194

处理流程194

工作原理196

探索英雄网络的子图196

准备工作197

处理流程197

工作原理199

更多内容199

找出强关联200

准备工作201

处理流程201

工作原理203

更多内容204

找出关键人物204

准备工作205

处理流程205

工作原理208

更多内容209

调查全网的特征215

准备工作216

处理流程216

工作原理217

社交网络中的聚类和发现社群217

准备工作217

处理流程218

工作原理221

更多内容221

可视化图222

准备工作222

处理流程222

工作原理224

第9章 大规模电影推荐（Python）225

简介226

对偏好建模227

处理流程227

工作原理228

理解数据229

准备工作229

处理流程229

工作原理231

更多内容231

加载电影评分数据231

准备工作231

处理流程232

工作原理234

寻找高评分电影235

准备工作236

处理流程236

工作原理237

更多内容238

参考资料238

提升电影评分系统238

准备工作238

处理流程238

工作原理239

更多内容240

参考资料240

计算用户在偏好空间中的距离240

准备工作241

处理流程241

工作原理243

更多内容243

参考资料243

计算用户相关性244

准备工作244

处理流程244

工作原理245

更多内容246

为特定用户寻找最好的影评人246

准备工作246

处理流程246

工作原理247

预测用户评分249

准备工作249

处理流程249

工作原理250

基于物品的协同过滤251

准备工作251

处理流程252

工作原理253

建立非负矩阵分解模型254

处理流程255

工作原理255

参考资料256

将数据集载入内存256

准备工作257

处理流程257

工作原理258

更多内容258

导出SVD模型至硬盘259

处理流程259

工作原理260

训练SVD模型261

处理流程261

工作原理262

更多内容263

测试SVD模型264

处理流程264

工作原理264

更多内容264

第10章 获取和定位Twitter数据（Python）266

简介266

创建Twitter应用267

准备工作268

处理流程268

工作原理271

参考资料271

了解Twitter API v1.1271

准备工作272

处理流程272

工作原理273

更多内容274

参考资料275

获取粉丝和朋友信息275

准备工作275

处理流程275

工作原理277

更多内容277

参考资料278

提取Twitter用户档案278

准备工作278

处理流程278

工作原理279

更多内容279

参考资料280

避免Twitter速度限制280

准备工作280

处理流程280

工作原理281

存储JSON数据至硬盘281

准备工作282

处理流程282

工作原理282

安装MongoDB283

准备工作283

处理流程283

工作原理284

更多内容284

参考资料285

利用PyMongo将用户信息存入MongoDB285

准备工作285

处理流程285

工作原理286

探索用户地理信息287

准备工作287

处理流程287

工作原理289

更多内容290

参考资料290

利用Python绘制地理分布图290

准备工作290

处理流程291

工作原理292

更多内容293

参考资料294

第11章 利用NumPy和SciPy优化数值计算（Python）295

简介295

了解优化的步骤297

处理流程297

工作原理297

更多内容298

识别代码中常见性能瓶颈298

处理流程299

工作原理299

通读代码301

准备工作302

处理流程302

工作原理302

参考资料304

利用Unix time函数剖析Python代码305

准备工作305

处理流程305

工作原理306

参考资料306

利用Python内建函数剖析Python代码306

准备工作306

处理流程306

工作原理307

参考资料308

利用IPython ％timeit函数剖析Python代码308

处理流程308

工作原理309

利用line_profiler剖析Python代码309

准备工作310

处理流程310

工作原理311

更多内容312

参考资料312

摘取低处的（经过优化的）果实312

准备工作312

处理流程312

工作原理314

测试NumPy带来的性能提升315

准备工作315

处理流程315

工作原理316

更多内容317

参考资料317

用NumPy重写函数317

准备工作317

处理流程318

工作原理320

用NumPy优化最内层循环322

准备工作322

处理流程322

工作原理324

更多内容325